evidoria

← Volver al listado

Buena práctica Importada

Sistema de Alerta Temprana de Dengue con IA — Previsión de Brotes por Aprendizaje Automático de la NEA de Singapur

Singapur · Singapore · Ver el perfil de Singapur · Ver el perfil de Singapore

Evidencia: Cuasiexperimental Top 6% 87/100 · Pregunte a Evidence Copilot sobre esta práctica

La NEA de Singapur opera un sistema de IA revisado por pares que predice casos de dengue con hasta tres meses de antelación. En el brote de 2013 predijo un pico de 863 casos frente a 842 observados, permitiendo campañas con dos meses de antelación.

22,170
Total de casos en la epidemia de dengue de 2013 (2013)
863 forecast vs 842 observed
Pico pronosticado vs. pico observado, semana 26 (2013)
17 %
Error de pronóstico (MAPE) en el horizonte de 1 semana
24 %
Error de pronóstico (MAPE) en el horizonte de 3 meses
~29 %
MAPE del modelo de referencia SARIMA/regresión step-down a los 3 meses
~50,000
Dispositivos de vigilancia de mosquitos Gravitrap

Detalles

Madurez
Consolidada
Promotor
National Environment Agency (NEA) — Environmental Health Institute, with National University of Singapore and Nanyang Technological University
Período
Developed on 2001-2012 data, operational since 2013, ongoing
Palabras clave
public health surveillance, disease early warning, vector-borne disease forecasting, machine learning, decision support

Contexto

La National Environment Agency de Singapur, junto con la NUS y la NTU, desarrolló un sistema de aprendizaje automático (regresión LASSO) que pronostica el número semanal de casos de dengue con hasta tres meses de antelación, entrenado con datos de 2001-2010 y validado con datos de 2011-2012 en doce submodelos semanales, utilizando más de 200 series de variables predictoras.

Resultados

Durante la grave epidemia de 2013 (22,170 casos), el modelo pronosticó un pico de 863 casos en la semana 26, frente a un pico observado de 842 casos la semana siguiente, con un MAPE del 17% en el horizonte de una semana, que subió al 24% a los tres meses — superando a los modelos de referencia SARIMA/regresión step-down (~29% de MAPE a los tres meses). El pronóstico temprano permitió a las autoridades lanzar campañas de prevención aproximadamente dos meses antes y priorizar su red de vigilancia Gravitrap de unos 50,000 dispositivos.

Implementación

Los detalles de implementación (coste, plazo, personal, condiciones para el éxito) aún no están disponibles para esta práctica.

Habitualmente financiado por

National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Prácticas similares que pueden serle útiles